Knowledge Discovery in Clinical Databases

Transcripción

1 Knwledge Discvery in Clinical Databases

2 Definición KDD etracción autmática de infrmación culta y n bvia del interir de grandes vlúmenes de dats Prces n trivial de identificar patrnes válids, nvedss, ptencialmente útiles, y en última instancia, cmprensibles Pr definición, cuand se investiga l descncid, n se sabe l que se va a encntrar

3 EL GAP ENTRE DATOS DISPONIBLES Y DATOS ANALIZADOS CRECE EXPONENCIALMENTE Capacidad de almacenamient en disc TeraBytes desde 2000 Númer de analistas Adaptación de : R. Grssman, C. Kamath, V. Kumar, Data Mining fr Scientific and Engineering Applicatins

4 Para qué usar KDD en Investigación Clínica? Estadística para ensay clínic y epidemilgía clásica Knwledge discvery Objetivs Entender pr qué, saber si tenems razón Encntrar alg, cncimient Empieza pr Técnicas Una pregunta definida (hipótesis nula) Pririzan que el mdel se pueda eplicar Buscar qué hay Pririzan que el mdel pueda predecir (técnicas más cmplejas)

5 LA POTENCIA DE UN SEPARADOR NO LINEAL Eperiment 1: dats separables linealmente edad pes edad pes edad vive X muere pes Eperiment 2: dats n separables linealmente PAS Clesterl PAS Clesterl PAS Clesterl

6 Distints algritms, distintas psibilidades Perceptrón (Discriminadr lineal) Redes neurnales multicapa Radial Basis Funcins Árbl de decisión C4.5/ID3/CART Partición Bayesiana Vecins más cercans

7 Un Ejempl real de vecins más cercans

8 Qué métds utilizar? NO HAY UNA ÚNICA SOLUCIÓN! Separadr cuadrátic K vecins más cercans LA MEJOR SOLUCIÓN DEPENDE DEL OBJETIVO Cada Cada métd métd da da un un % de de errr. errr. El El mejr mejr métd métd es: es: - - El El que que tiene tiene mens mens errr errr - - El El que que es es capaz capaz de de generalizar generalizar mejr mejr - - El El que que es es más más sencill sencill de de ser ser eplicad eplicad - - El El que que es es mens mens sensible sensible a a las las incherencias incherencias de de nuestrs nuestrs dats: dats: valres valres ausentes, ausentes, infinits, infinits, Redes neurnales multicapa Radial Basis Fuctin Netwrk CONCLUSIÓN: CONCLUSIÓN: Cualquier Cualquier mdel mdel que que cumpla cumpla nuestras nuestras epectativas epectativas es es buen. buen.

9 - Rápid! Que -Est puede entenderl hasta me traigan a un niñ de 6 añs! un niñ de 6 añs. Gruch Mar

10 HEALTH-MINER Knwledge Discvery in Clinical Databases

11 Esquema de un prces analític del Health-Miner sbre el pryect PROFILE. Un ejempl + sencill PROFILE PRECOG

12 Esquema de un prces analític del Health-Miner sbre el pryect PROFILE. Un ejempl + sencill Se Pes Edad HTA var 1 var n Atributs dispnibles Edad HTA Atributs seleccinads Mdel matemátic Infrme de Inteligencia Artificial

13 Esquema de un prces analític del Health-Miner sbre el pryect PROFILE de las más de cien variables del PROFILE Atributs dispnibles Atributs seleccinads ÁRBOL J48 CGI <= NIVEL_ESTUDIOS <= APOYO_FAM <= SEXO <= : ENTRE_9_Y_12_MESES SEXO > : MAS_DE_12_MESES APOYO_FAM > ESTRESORES <= : ANTES_DE_3_MESES ESTRESORES > CGI <= : ANTES_DE_3_MESES CGI > : MAS_DE_12_MESES NIVEL_ESTUDIOS > NUM_TRAT <= NIVEL_ESTUDIOS <= APOYO_FAM <= ? Mdel matemátic Infrme de Inteligencia Artificial

14 Detalle del prcedimient eperimental EXPERIMENTAL PROCEDURE 1 Regresión cn selección de atributs mediante Principal Cmpnents Analysis (PCA) EXPERIMENTAL PROCEDURE 2 EXPERIMENTAL PROCEDURE 3 EXPERIMENTAL PROCEDURE 4 EXPERIMENTAL PROCEDURE 5 Regresión cn selección de atributs mediante Genetic Algrithms Mediante k-nearest Neighbr Clasificación cn filtrad y psterir selección de atributs mediante Frward Selectin Clasificación cn filtrad y psterir selección de atributs mediante Genetic Algrithms utilizand Naive Bayes Clasificación cn selección de atributs mediante Principal Cmpnents Analysis (PCA) Lectura de dats Lectura de dats Lectura de dats Lectura de dats Lectura de dats Adaptar dats Adaptar dats Adaptar dats Adaptar dats Adaptar dats PCA+Blanquead estadístic Selección y generación de atributs Pesad atributs Pesad atributs PCA+Blanquead estadístic PrincipalCmpnentsGeneratr Yagga GainRatiAttributeEval GainRatiAttributeEval GainRatiAttributeEval StandardDeviatinWeithing IBk AttributeWeigthApplier AttributeWeigthApplier AttributeWeigthApplier AttributeWeigthApplier Selección de atributs Selección de atributs PrincipalCmpnentsGeneratr GeneticAlgrithm FeatureSelectin StandardDeviatinWeithing NaiveBayesSimple NaiveBayesSimple AttributeWeigthApplier ANALYTICAL METHODS PerfFeaturesGA PerfFeaturesGA SVM-Radial LibSVMLearner mdel resultads SVM-Lgistica LibSVMLearner mdel resultads ADABOOST AdaBstM1 NaiveBayesSimple mdel resultads Árbl decisión J48 mdel resultads IBk K-NN mdel resultads RBF RBFNetwrk mdel resultads MLP 1 CAPA MultilayerPerceptrn mdel resultads MLP 2 CAPAS MultilayerPerceptrn mdel resultads

15 Sistemas de validación de ls mdels VALIDACIÓN SIMPLE K-FOLD CROSS VALIDATION Ttal de muestras Muestras de aprendizaje Et1 Et2 Et3 Et4 Cnsiste en reservar un % de muestras de un md aleatri para realizar el prces de validación (en naranja). Etk

16

17 Aplicacines prácticas: predecir una variable cuál sería el resultad de hacer una bipsia una analítica cara a este paciente en base a dats más sencills? POSIBLE AHORRO predecir un valr futur cóm estará este paciente la próima visita? cuánt valdrá esta variable la próima visita? PREDICCIÓN DE RESULTADOS EVENTOS predecir cass rars Acntecimients adverss

18 Aplicacines prácticas: clasificar al paciente será un paciente cumplidr? se recuperará? Cóm respndera? - CUSTOMIZAR Inferir sbre pacientes cóm evlucinaría este paciente si hubiera sid cumplidr?

19 La epltación mediante knwledge discvery de las ingentes bases de dats clínicas eistentes, puede permitir en el futur: Persnalizar la medicina Predecir y evitar resultads adverss (events, recaídas, acntecimients adverss) Ahrrar pruebas caras

20 Dónde están estas bases de dats? Histrias clínicas hspitales y centrs de investigación Bases de dats genómicas Bases de dats de farmacvigilancia Labratris farmacéutics: Bases de dats de desarrll clínic Estudis epidemilógics, pst-autrización,

21 Int J Med Infrm. 2006, 75: Databases fr knwledge discvery. Eamples frm bimedicine and health care. Br J Clin Pharmacl. 2004, 57: Applicatin f data mining techniques in pharmacvigilance.

22 HEALTH-MINER Knwledge Discvery in Clinical Databases MUCHAS GRACIAS!!!